Machine learning scikit学习中的批梯度下降_Machine Learning_Scikit Learn_Regression_Linear Regression_Gradient Descent

Machine learning scikit学习中的批梯度下降

machine-learning scikit-learn

Machine learning scikit学习中的批梯度下降,machine-learning,scikit-learn,regression,linear-regression,gradient-descent,Machine Learning,Scikit Learn,Regression,Linear Regression,Gradient Descent,如何设置sklearn.linear_model.SGDRegressor的参数，使其执行批量梯度下降我想用批量梯度下降法解决一个线性回归问题。我需要让SGD像批量梯度下降一样，这应该通过在一个时代结束时修改模型来完成（我认为）。它是否可以以某种方式参数化为那样的行为我需要让SGD像批量梯度下降一样，这应该通过在一个时代结束时修改模型来完成（我认为）你不能那样做；从报告中可以清楚地看出：每次估计每个样本的损失梯度，并沿途更新模型尽管在文件中提到 SGD允许小批量（在线/核心外）学习这

如何设置sklearn.linear_model.SGDRegressor的参数，使其执行批量梯度下降

我想用批量梯度下降法解决一个线性回归问题。我需要让SGD像批量梯度下降一样，这应该通过在一个时代结束时修改模型来完成（我认为）。它是否可以以某种方式参数化为那样的行为

我需要让SGD像批量梯度下降一样，这应该通过在一个时代结束时修改模型来完成（我认为）

你不能那样做；从报告中可以清楚地看出：

每次估计每个样本的损失梯度，并沿途更新模型

尽管在文件中提到

SGD允许小批量（在线/核心外）学习

这可能也适用于

SGDRegressor

，实际意思是您可以使用

partial_fit

方法提供不同批次的数据；然而，计算（和更新）总是按照每个样本执行

如果您确实需要使用GD执行线性回归，您可以在Keras或Tensorflow中轻松完成，组装LR模型并使用与整个训练样本相同的批量大小